第六章神经网络模式识别.pptVIP

CH6 神经网络模式识别 ;§6.1 概述 ; ;神经网络的特点 人工神经网络吸取了生物神经网络的许多优点，有以下特点。 高度的并行性 人工神经网络是由许多相同的简单处理单元并联组合而成，虽然每个单元的功能简单，但大量简单处理单元并行活动，使其对信息的处理能力与效果惊人。 高度的非线性全局作用 人工神经网络每个神经元接受大量其它神经元的输入，并通过并行网络产生输出，影响其它神经元。网络之间的这种互相制约和互相影响，实现了从输入到输出的状态空间的非线性映射。从全局??观点来看，网络整体性能不是网络局部性能的简单叠加，而是表现某种集体性的行为。 良好的容错性与联想记忆功能 人工神经网络通过自身的网络结构能够实现对信息的记忆，而所记忆的信息是存储在神经元之间的权值中。从单个权值中看不出来所存储的信息内容，因而是分布式的存储方式。这使的网络具有较好的容错性，并能进行聚类分析、特征提取、缺损模式复原等模式信息处理工作。又宜于做模式分类、模式联想等模式识别工作。 强大的自适应、自学习能力 人工神经网络可以通过训练和学习获得合适的网络权值，呈现出很强的自学习能力和对环境的自适应能力。 ;§6.2 神经元模型;神经元模型;常用输出函数;线性输出函数;Sigmoid函数;§6.3 神经网络学习方式——监督学习;学习方式——非监督学习与再励学习;§6.4 神经网络的基本结构及分类;神经网络的分类